본 논문은 설명 가능한 AI(XAI) 분야에서 사용자의 다양한 지식 수준과 정보 요구에 맞춘 대화형 설명 시스템을 제안합니다. 기존 XAI 접근 방식의 한계인 정적인 일회성 설명을 극복하기 위해, 대화형 설명 시스템을 구축하지만, 훈련 데이터 부족 문제에 직면합니다. 이를 해결하기 위해, 본 논문에서는 데이터 다양성을 높이는 반복 페널티와 허위 데이터를 걸러내는 환각 감지기를 도입한 EMCEE(fEw-shot Multi-round ConvErsational Explanation) 시스템을 제안합니다. EMCEE는 합성 데이터로 훈련되었으며, 자동 평가(BLEU, ROUGE 향상)와 인간 평가(사용자 이해도, 수용도, 신뢰도, 협업 향상) 모두에서 기존 모델들을 능가하는 성능을 보였습니다. 특히, 자체 생성 합성 데이터 훈련을 통해 더 정확하고 이해하기 쉬운 답변을 생성하여 사용자 상호 작용을 개선하는 것을 보여줍니다. 이는 정적 설명 이후 자유 형식의 사용자 질문에 답변할 수 있는 최초의 대화형 설명 방법입니다.
